Downloaded 66 times
![現有機器初期新增IoT功能[M1]
11
開/關滿/空 開/關 冷/熱
壓力流速 位置 啟動/控制](https://image.slidesharecdn.com/iotindustry4-151202060820-lva1-app6892/85/4-0-11-320.jpg)
![燃油槽新增IoT功能[M1]
13
[滿/空]槽偵測
[流速]監測
透過網路[收集資料]
流速監測 滿/空槽偵測 資料收集](https://image.slidesharecdn.com/iotindustry4-151202060820-lva1-app6892/85/4-0-13-320.jpg)
![IoT前後台系統整合[M1]
14
資料集中監控
使用量分析
預測交付模型
DataCtrl
產出: 時間, 地點,
數量, 價格
管理資訊系統MIS
產出: 時間, 地點,
數量, 價格,
車輛, 路線
決策支援系統DSS
依系統複雜程度
導入人工智慧或
大數據工具協助
資料處理與判斷
[M1]
[M2]](https://image.slidesharecdn.com/iotindustry4-151202060820-lva1-app6892/85/4-0-14-320.jpg)
![企業優化[M2]
15
供應鏈優化SCM
確保油品可用度
提升客戶滿意度
降低成本提升利潤](https://image.slidesharecdn.com/iotindustry4-151202060820-lva1-app6892/85/4-0-15-320.jpg)
![企業優化案例[M2]
• 連鎖餐廳400間分店，使用5000公升燃油槽
• 之前
– 油槽剩10%即請油品公司加油，最多僅能再加90%油
– 餐廳需支付油品公司滿槽(100%)燃油費
– 每間分店每年超收燃油費30萬元
• 之後
– 更換為IoT機械閥與IoT流量監控設備
– 精確計算油車需到達時間，油槽完全用光時再加滿油
– 400間分店x原超收費30萬=全年節省1億2千萬元
16](https://image.slidesharecdn.com/iotindustry4-151202060820-lva1-app6892/85/4-0-16-320.jpg)
![商業模式移轉 [M3]
17
需求不明確而
購買超額油品
FaaS
Fuel as a Service](https://image.slidesharecdn.com/iotindustry4-151202060820-lva1-app6892/85/4-0-17-320.jpg)
![網路效應 [M4]
18
燃油供給與需求可以預測](https://image.slidesharecdn.com/iotindustry4-151202060820-lva1-app6892/85/4-0-18-320.jpg)
Uploaded byKenny Huang Ph.D.
物聯網與工業4.0情境分析
文档分析了物联网（IoT）与工业4.0的关系，强调IoT的快速发展及其在企业中的应用，尤其是如何通过跨行业设备降低成本。通过案例探讨了IoT在实际操作中的效益和商业模式的转型。文档还指出了技术兼容性的问题和市场碎片化对IoT整体价值的影响。
More Related Content
![[台灣人工智慧學校] 工業 4.0 與智慧製造的發展趨勢與挑戰](https://cdn.slidesharecdn.com/ss_thumbnails/20190316jyh-horngchou-190315170336-thumbnail.jpg?width=640&height=640&fit=bounds)
![[IEK] 2023-04 物聯網產業趨勢分享.pdf](https://cdn.slidesharecdn.com/ss_thumbnails/iek2023-04-230828073738-e8944e9b-thumbnail.jpg?width=640&height=640&fit=bounds)
![[Study4.TW .NET Conf 2019]看，用 Azure 建立工業 4.0 的第一步](https://cdn.slidesharecdn.com/ss_thumbnails/azure-191110151804-thumbnail.jpg?width=640&height=640&fit=bounds)
物聯網與工業4.0情境分析
- 1. 物聯網與工業4.0情境分析 Kenny Huang, Ph.D.黃勝雄博士 Executive Council Member, APNIC 亞太網路資訊中心董事 huangksh@gmail.com 2015 Dec
- 2. 網際網路演化進程 2 Wave 1 :WWW ~350M PCs annually Wave 2 : Mobile/Cloud 2.3B annually Wave 3 : Internet of Things 50B by 2020* Connecting PCs Connecting People Connecting Everything Source : Harvard University
- 3. 3 Internet of Things(IoT) 是實體物件(Things)所形成的網路， 物件包含電子晶片, 軟體, 感應器與網路介面，IoT物件與 工廠, 或營運商或其他IoT物件透過資料交換服務而產生價 值。IoT物件即是一台電腦系統，它具有唯一可識別性， 與現有網際網路相容。 Source : Internet of Things, Wikipedia “在物聯網的世界，即便是牛都將連接到網路” Source : The Economist 2010
- 4. IoT預期數量與市場規模 4 Category 2014 20152016 2020 Consumer 2,277 3,023 4,024 13,509 Business: Cross- Industry 632 815 1,092 4,408 Business: Vertical- Specific 898 1,065 1,276 2,880 Grand Total 3,807 4,902 6,392 20,797 Category 2014 2015 2016 2020 Consumer 257 416 546 1,534 Business: Cross- Industry 115 155 201 566 Business: Vertical-Specific 567 612 667 911 Grand Total 939 1,183 1,414 3,010 Internet of Things Units Installed Base by Category (Millions of Units) Internet of Things Endpoint Spending by Category (Billions of Dollars) Source : Gartner, Nov 2015
- 5. IoT主要應用與預測 5 企業端的物聯網應用中，跨產業的包含連網燈泡、冷暖氣 之空調（HVAC）以及建築管理系統等，這些物聯網裝置的 目的是為了節省成本，而垂直產業的裝置則是指特殊專屬 之物聯網裝置，包含醫院手術室裡的專用設備，或是貨船 的追蹤裝置等。 在2016年之前，垂直專用的物聯網裝置是企業應用中最大 的類別，但是隨著通用或跨產業之物聯網裝置用量不斷增 加，使得整體情況會出現轉變。預估到了2020年，跨產業 的物聯網裝置數量就成為主導企業應用物聯網的關鍵。 以支出金額來看，垂直專用的物聯網裝置仍舊於2020年之 前都會勝過跨產業的物聯網裝置。 Source : Gartner, Nov 2015;
- 6.
- 7. Example of Model-basedTechnique : Kalman Filter 7 Probabilistic Models: In sensor data cleaning, inferring sensor values is perhaps the most import task, since systems can then detect and clean dirty sensor values by comparing raw sensor values with the corresponding inferred sensor values. The Kalman filter is perhaps on of the most common probabilistic models to compute inferred values corresponding to raw sensor values.
- 8.
- 9.
- 10. IoT 成熟度模式 10 Source :Harvard i-lab M1:商品連網 M2:企業優化 M3:商業移轉 M4:網路效應
- 11.
- 12. 案例: 餐廳燃油槽供應模式 12 油槽需要不定期檢查油量 人工臆測油量未來需求，預 先訂購燃油 油車需預先安排配送時程與 配送路線 整體運作缺乏效率 Source: Harvard i-lab
- 13. 燃油槽新增IoT功能[M1] 13 [滿/空]槽偵測 [流速]監測 透過網路[收集資料] 流速監測 滿/空槽偵測 資料收集
- 14. IoT前後台系統整合[M1] 14 資料集中監控 使用量分析 預測交付模型 DataCtrl 產出: 時間, 地點, 數量, 價格 管理資訊系統MIS 產出: 時間, 地點, 數量, 價格, 車輛, 路線 決策支援系統DSS 依系統複雜程度 導入人工智慧或 大數據工具協助 資料處理與判斷 [M1] [M2]
- 15. 企業優化[M2] 15 供應鏈優化SCM 確保油品可用度 提升客戶滿意度 降低成本提升利潤
- 16. 企業優化案例[M2] • 連鎖餐廳400間分店，使用5000公升燃油槽 • 之前 –油槽剩10%即請油品公司加油，最多僅能再加90%油 – 餐廳需支付油品公司滿槽(100%)燃油費 – 每間分店每年超收燃油費30萬元 • 之後 – 更換為IoT機械閥與IoT流量監控設備 – 精確計算油車需到達時間，油槽完全用光時再加滿油 – 400間分店x原超收費30萬=全年節省1億2千萬元 16
- 17.
- 18.
- 19. 工業4.0 19 Industry 4.0（工業4.0）包括Factory 4.0（工廠4.0）、CyberSecurity （資訊安 全）、Big Data （大數據）、Logistics 4.0 （物流4.0）、Mass Customization （大 量客製化）、Internet of Things （物聯網）。Factory 4.0（工廠4.0）又涵蓋、 Robot（機器人）、Autonomous Vehicle（無人車）、3D Printing/Additive Manufacturing（3D列印）、Advanced Manufacturing System （先進製造系 統）、 Sensors （感測器）、Nanotechnology/Advanced Materials （奈米與先 進材料） Source: 科技政策研究與資訊中心 創新技術組合 Source: Roland Berger, 2015;科技政策研究與資訊中心
- 20. 工業4.0 面貌 20 Source: RolandBerger, 2015
- 21. 工業4.0 論述分析 21 滑坡謬誤(Slippery slopefallacy) 使用連串的因果推論，誇大了每個環節的因果強度，而得到不 合理的結論。 預測創新科技往往高估它們的價值。依據科技預測產生的商業 決策將導致非常高的風險。 David Wheeler. “Toward more realistic forecasts for high-tech products” 網際網路對經濟的影響遠不及傳真機 Paul Krugman. American economist 最終結論(工業4.0)依賴若干未經驗證的情境上(IoT, Big Data, 3D Printing..)
- 22. 商業模式與營運模式不匹配 22 Total Product LifeCycle and Birth to Death Expenditures 1000 Ideas 100 Trials 10 Products 1 Success + Sales Curve Patent Filed Licensees Profits Sought Idea 0 + Reduction to Practice Shutdown Costs Total Expenditure/Profit Curve Pilot Plant M arketing Starts 新創公司 Startup 高失敗率 創新想法 與變更Pivot 工業/工廠 Manufacturer 低失敗率 成熟技術與固定製程 IoT / Big Data 商業模式 營運模式 績效統計 商業模式 營運模式 績效統計
- 23.
- 24. 24 IoT IoT IoT IoT IoT IoT IoT IoT IoT IoT IoT IoT系統及 應用程式 管理資訊系統? MIS 決策支援系統? DSS 人工智慧或大 數據技術 IoT Data PlaneIoT Control Plane Data Plane Abstraction 1 遞送信息封包 Control Plane Abstraction 1 Control Plane 並沒有一致的抽象概念 2 使用需求差異: MIS, DSS, ESS 等 3 不同需求，使IoT系統客製化開發增加成本 4 應用程式開發成本遠高於IoT網路成本 Data Plane 可能具有同質性, Control Plane 不具備同質性. 形成異質不相容的IoT網路系統
- 25. IoT孤島模式 25 IoT IoT IoTIoT IoT IoT系統 IoT IoT IoT IoT IoT IoT系統 IoT IoT IoT IoT IoT IoT系統 IoT IoT IoT IoT IoT IoT系統 incompatible x x x x x x incompatible IoT系統端若為封閉系統，市場零碎降低整體價值 技術不相容，導入成本提升 涉及隱私，限縮資訊收集範圍 技術供應商模式已存在，服務供應商模式仍待驗證 IoT產品購買者與IoT服務供應商對資訊所有權認知不一致 回歸M2M 模式
- 26.